一种基于视频图像处理的船舶走锚识别方法技术

本发明专利技术公开了一种基于视频图像处理的船舶走锚识别方法，该方法包括以下步骤：1)基于采集的船舶锚泊视频图像数据，检测出锚泊船舶作为目标船舶，消除船舶倒影得到目标船舶的外接矩形框；2)在目标船舶的外接矩形框下得到船舶中心位置，采用融合卡尔曼滤波估计初始位置的MeanShift跟踪算法对船舶中心位置进行跟踪；3)采集大量正常锚泊船舶中心位置作为初始训练集，利用增量更新DBSCAN聚类算法对训练集进行正常船舶锚泊模型训练，得到正常船舶锚泊模型；4)在正常船舶锚泊模型下通过对待测船舶中心位置数据进行试聚类，实现船舶走锚的识别。本发明专利技术通过改进算法采提高了对船舶的实时跟踪能力，并能减少船舶锚泊数据的采集时间，船舶走锚识别效果好。

A method of ship anchor recognition based on video image processing

The invention discloses a ship anchor recognition method based on video image processing, the method comprises the following steps: 1) the ship mooring video data acquisition based on the detection of mooring ship as a target ship, ship target ship to eliminate reflection rectangle; 2) in the target ship rectangle under the shipping center, the fusion of Calman filter estimation MeanShift tracking algorithm for tracking the initial position of the center of the ship; 3) acquisition of a large number of normal ship mooring center as the initial training set, using the incremental update DBSCAN clustering algorithm for normal ship anchoring training model for the training set, get the normal anchor model; 4) by the measured ship center position data in normal vessels. Model test clustering, identification of the ship go anchor. The improved method improves the real-time tracking ability of ship, reduces the acquisition time of ship anchoring data, and has good effect of ship anchor identification.

【技术实现步骤摘要】
一种基于视频图像处理的船舶走锚识别方法
本专利技术涉及图像处理技术，尤其涉及一种基于视频图像处理的船舶走锚识别方法。
技术介绍
近年来，在内河航道中由船舶走锚引起的撞船、撞桥以及搁浅等事故时有发生，造成了严重的财产损失和人员伤亡。随着水上交通的发展，船舶数量与平均载重量总体增长，单次走锚事故造成的损失呈增大趋势。锚地管理处对走锚事件缺乏有效监管手段，无法提供可靠船舶走锚安全监控服务。由底质松动与缆绳断裂导致的走锚隐蔽性强，识别困难，给锚泊安全带来很大隐患。GPS作为一种最常用的定位方式被广泛应用在船舶定位中，但是目前的锚泊状态普遍存在一个现象，船舶在停靠锚地后便切断了所有电源，使得基于GPS定位方法的船舶走锚识别失效。而通过视频图像处理方法进行船舶走锚识别则不同，它作为一种主动监控方式，能够克服基于GPS定位方法的被动监控缺陷，且视频数据信息量大，实时性好。故基于视频图像处理技术与实际船舶走锚现象以及算法相结合的船舶走锚识别方法具有重要的研究意义和价值。
技术实现思路
本专利技术要解决的技术问题在于针对现有技术中的缺陷，提供一种基于视频图像处理的船舶走锚识别方法。本专利技术解决其技术问题本文档来自技高网...

【技术保护点】
一种基于视频图像处理的船舶走锚识别方法，其特征在于，包括以下步骤：1)基于采集的船舶锚泊视频图像数据，检测出锚泊船舶作为目标船舶，消除船舶倒影得到目标船舶的外接矩形框；2)在目标船舶的外接矩形框下得到船舶中心位置，采用融合卡尔曼滤波估计初始位置的MeanShift跟踪算法对船舶中心位置进行跟踪；3)采集大量正常锚泊船舶中心位置作为初始训练集，利用增量更新DBSCAN聚类算法对训练集进行正常船舶锚泊模型训练，得到正常船舶锚泊模型；4)在正常船舶锚泊模型下通过对待测船舶中心位置数据进行试聚类，实现船舶走锚的识别。

【技术特征摘要】
1.一种基于视频图像处理的船舶走锚识别方法，其特征在于，包括以下步骤：1)基于采集的船舶锚泊视频图像数据，检测出锚泊船舶作为目标船舶，消除船舶倒影得到目标船舶的外接矩形框；2)在目标船舶的外接矩形框下得到船舶中心位置，采用融合卡尔曼滤波估计初始位置的MeanShift跟踪算法对船舶中心位置进行跟踪；3)采集大量正常锚泊船舶中心位置作为初始训练集，利用增量更新DBSCAN聚类算法对训练集进行正常船舶锚泊模型训练，得到正常船舶锚泊模型；4)在正常船舶锚泊模型下通过对待测船舶中心位置数据进行试聚类，实现船舶走锚的识别。2.根据权利要求1所述的基于视频图像处理的船舶走锚识别方法，其特征在于，所述步骤2)中采用融合卡尔曼滤波估计初始位置的MeanShift跟踪算法对船舶中心位置进行跟踪具体包括：2.1)根据完成目标检测的视频输入帧初始化目标模板，并初始化目标在卡尔曼滤波中的初始运动状态，卡尔曼方程如下：X(k)＝AX(k-1)+BU(k)+W(k)式中：X(k)表示当前的系统状态，U(k)表示当前的系统控制量，A和B表示该控制系统的参数，W(k)表示系统的过程噪声；引入测量方程Z(k)＝HX(k)+V(k)，式中Z(k)表示系统在k时刻的测量值，H表示系统的测量参数，X(k)表示当前的系统状态，V(k)表示系统的测量噪声；2.2)根据卡尔曼滤波状态方程预测目标当前位置；2.3)根据卡尔曼协方差预测方程计算状态协方差矩阵，并由此计算卡尔曼增益，当前时刻的状态预测协方差矩阵为：式中：A表示系统参数，AT表示A的转置矩阵，协方差矩阵Q是对角为1的对角矩阵，表示修正后得到的最终协方差矩阵，卡尔曼增益Kg(t)矩阵式为：式中：表示t时刻的状态预测协方差，H表示系统的测量参数，HT表示H的转置矩阵，协方差矩阵R表示对角为1的对角矩阵；2.4)根据当前帧目标位置的测量值修正预测值，得到对当前帧目标位置的估计，并将其作为经典MeanShift算法在当前帧跟踪的初始位置；协方差矩阵的更新表达式为：式中：E表示单位矩阵，Kg(t)表示卡尔曼增益，H表示系统的测量参数，表示t时刻的状态预测协方差；2.5)根据候选模型分布计算与目标模型的相似性，计算权值wi：其中：表示目标在当前帧的起始位置，q＝{qu}表示目标模型，u为下标，最大值为m，为候选目标模型的直方图向量，δ表示Kroneckerdelta函数，表示像素点的特征值到一个bin映射的量化函...

【专利技术属性】
技术研发人员：陈先桥，李欢，杨英，施辉，
申请(专利权)人：武汉理工大学，
类型：发明
国别省市：湖北,42